[发明专利]一种基于人工智能的条码异常检测方法

说明书

本发明公开了一种可实现无需预先配置的基于人工智能的条码异常检测方法，其步骤为：1)在标签数据较少时，对于扫码得到的条形码，采用基本统计规则，判断条形码是否异常，对于符合基本统计规则的加入至正常标签数据组，不符合的加入异常标签数据组；2)当标签数据达到初始设定值后，对于扫码得到的条形码采用异常检测算法预测条形码是否异常，并通过人工进行确认是加入异常标签数据组还是正常标签数据组；3)当标签数据达到一定数量时，对于输入的条形码采用分类预测算法来判断条形码输入是否异常，并由人工确认，对于检查到的疑似异常条形码，如果确定确实为异常，则加入异常标签数据组，否则加入正常标签数据组。本发明可以用于各种条形码的异常判断。

技术领域

本发明涉及到电池生产制造领域，尤其是锂电池生产制造领域针对于化成分容生产工序扫码环节电池条形码异常的判断方法。

背景技术

目前，各个电池生产厂家在电池生产制造过程中，为了制造流程追溯及质量把控，很多的生产制造环节都需要扫码电池条形码。工序生产完成后，将相关数据连同电池条形码上传到各个系统，这些系统包括BMIS/MES/ERP/MRP等等，这些数据一旦上传到不同系统后，如果发现条形码异常而想要更改就会非常困难。因此，在工序执行前判断电池条形码(简称条码)输入正确与否非常重要。目前，一般会采取设定一些规则的方法来验证电池条形码的输入是否异常，这些规则有判断条形码长度是否是固定长度，或者判断条形码的开头和结尾，更为复杂比如设置正则表达式，但是，由于生产设备独立运行、条形码因产品不同而多变，这种方法在实际使用过程中由于过于复杂而弃用。

发明内容

本发明所要解决的技术问题是：提供一种可实现无需预先配置的基于人工智能的条码异常检测方法。

为解决上述技术问题，本发明所采用的技术方案为：一种基于人工智能的条码异常检测方法，其步骤为：

1)在标签数据小于初始设定值时，对于扫码得到的条形码，采用基本统计规则，判断条形码是否异常，对于符合基本统计规则的加入至正常标签数据组，不符合的加入异常标签数据组；

2)当标签数据达到初始设定值后，对于扫码得到的条形码采用异常检测算法预测条形码是否异常，并通过人工干预判断是否确实异常，对于提示为异常的条形码，如确定确实为异常，则将数据加入异常标签数据组，否则，加入正常标签数据组；对于未检测提示异常的条形码，如果也主动修正条形码，此时该条形码加入异常标签数据组；所述的异常检测算法为统计假设检验，其具体步骤为：

取条形码的ASSIC编码映射到数字，假设条形码最大长度不超过三十个字符，就将条形码字符按顺序映射到长度为30的向量，长度不足的用0补齐；这样三十个数值就是每个条码的特征值X；对于其中的特征称之为特征x，x₁表示第一个特征值，即字符对应值，x₂表示第二个特征值，即第二个字符对应值，依此类推，x_i表示第i个特征值，即第i个字符对应值；定义用n来表示特征值的个数，即：n为30；假设条形码分别服从高斯分布，即：

x＝X(μ，δ²)那么对应的概率密度p为：

联合概率密度为：

简化表达即：

给定一组条形码对应的特征值组{x¹,x²,x³,...,xⁱ...,x^m}，其中x¹表示第一个条形码样本对应的特征值，其中，x²表示第二个条形码样本对应的特征值，依此类推，m表示训练的样本数；然后通过多个电池条形码样本转换成为特征向量数组，通过下面的公式计算拟合参数